MétaCan
Menu
Retour à la cohorte
Enregistrement W4283372167 · doi:10.7554/elife.77987

Rapid and specific degradation of endogenous proteins in mouse models using auxin-inducible degrons

2022· article· en· W4283372167 sur OpenAlexafffund
Lewis Macdonald, Gillian C.A. Taylor, Jennifer Margaret Brisbane, Ersi Christodoulou, Lucy Scott, Alex von Kriegsheim, Janet Rossant, Bin Gu, Andrew J. Wood

Notice bibliographique

RevueeLife · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health ResearchMedical Research CouncilPrinceton UniversityWellcome TrustWellcome
Mots-clésEndogenyAuxinDegronCell biologyDegradation (telecommunications)Plant biologyProtein degradationBiologyComputational biologyChemistryBiochemistryBotanyUbiquitinComputer scienceGene

Résumé

récupéré en direct d'OpenAlex

Auxin-inducible degrons are a chemical genetic tool for targeted protein degradation and are widely used to study protein function in cultured mammalian cells. Here, we develop CRISPR-engineered mouse lines that enable rapid and highly specific degradation of tagged endogenous proteins in vivo. Most but not all cell types are competent for degradation. By combining ligand titrations with genetic crosses to generate animals with different allelic combinations, we show that degradation kinetics depend upon the dose of the tagged protein, ligand, and the E3 ligase substrate receptor TIR1. Rapid degradation of condensin I and II - two essential regulators of mitotic chromosome structure - revealed that both complexes are individually required for cell division in precursor lymphocytes, but not in their differentiated peripheral lymphocyte derivatives. This generalisable approach provides unprecedented temporal control over the dose of endogenous proteins in mouse models, with implications for studying essential biological pathways and modelling drug activity in mammalian tissues.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,396

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,062
Tête enseignante GPT0,246
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeLifeMême sujetProtein Degradation and InhibitorsTravaux en français237 207